導(dǎo)讀：在互聯(lián)網(wǎng)新零售的大背景下，商品知識圖譜作為新零售行業(yè)數(shù)字化的基石，提供了對于商品相關(guān)內(nèi)容的立體化、智能化、常識化的理解，對上層業(yè)務(wù)的落地起到了至關(guān)重要的作用。相比于美團大腦中圍繞商戶的知識圖譜而言，在新零售背景下的商品知識圖譜需要應(yīng)對更加分散、復(fù)雜的數(shù)據(jù)和業(yè)務(wù)場景，而這些不同的業(yè)務(wù)對于底層知識圖譜都提出了各自不同的需求和挑戰(zhàn)。美團作為互聯(lián)網(wǎng)行業(yè)中新零售的新勢力，業(yè)務(wù)上已覆蓋了包括外賣、商超、生鮮、藥品等在內(nèi)的多個新零售領(lǐng)域，技術(shù)上在相關(guān)的知識圖譜方面進行了深入探索。本文將對美團新零售背景下零售商品知識圖譜的構(gòu)建和應(yīng)用進行介紹。

1. 美團大腦

圖2: 美團大腦

2. 美團在新零售的探索

美團逐步突破原有邊界，在生活服務(wù)領(lǐng)域探索新的業(yè)務(wù)，不僅局限于通過外賣、餐飲幫助大家“吃得更好”，近年來也逐步拓展到零售、出行等其他領(lǐng)域，幫助大家“生活更好”。在零售領(lǐng)域中，美團先后落地了美團閃購、美團買菜、美團優(yōu)選、團好貨等一系列相應(yīng)的業(yè)務(wù)，逐步實現(xiàn)“萬物到家”的愿景。為了更好地支持美團的新零售業(yè)務(wù)，我們需要對背后的零售商品建立知識圖譜，積累結(jié)構(gòu)化數(shù)據(jù)，深入對零售領(lǐng)域內(nèi)商品、用戶、屬性、場景等的理解，以便能更好地為用戶提供零售商品領(lǐng)域內(nèi)的服務(wù)。

相比于圍繞商戶的餐飲、外賣、酒店的等領(lǐng)域，零售商品領(lǐng)域?qū)τ诮Y(jié)構(gòu)化知識的需求和依賴會更強。一方面，商品數(shù)量更加龐大，覆蓋的領(lǐng)域范圍也更加寬廣。另一方面，商品本身所具有的顯示信息往往比較稀疏，很大程度上需要結(jié)合生活中的常識知識來進行推理，方可將隱藏在背后的數(shù)十維的屬性進行補齊，完成對商品完整的理解。在下圖的例子中，“樂事黃瓜味”這樣簡單的商品描述其實就對應(yīng)著豐富的隱含信息，只有對這些知識進行了結(jié)構(gòu)化提取和相應(yīng)的知識推理后，才能夠更好的支持下游搜索、推薦等模塊的優(yōu)化。

圖3: 商品結(jié)構(gòu)化信息的應(yīng)用

3. 商品圖譜建設(shè)的目標(biāo)

我們針對美團零售業(yè)務(wù)的特點，制定了多層級、多維度、跨業(yè)務(wù)的零售商品知識圖譜體系。

圖4: 商品知識圖譜體系

① 多層級

在不同業(yè)務(wù)的不同應(yīng)用場景下，對于“商品”的定義會有所差別，需要對各個不同顆粒度的商品進行理解。因此，在我們的零售商品知識圖譜中，建立了五層的層級體系，具體包括：

L1 - 商品SKU/SPU：對應(yīng)業(yè)務(wù)中所售賣的商品顆粒度，是用戶交易的對象，往往為商戶下掛的商品，例如“望京家樂福所售賣的蒙牛低脂高鈣牛奶250ml盒裝”。這一層級也是作為商品圖譜的最底層的基石，將業(yè)務(wù)商品庫和圖譜知識進行打通關(guān)聯(lián)。

L2 - 標(biāo)準(zhǔn)商品：描述商品本身客觀事實的顆粒度，例如“蒙牛低脂高鈣牛奶250ml盒裝”，無論通過什么渠道在什么商戶購買，商品本身并沒有任何區(qū)別。商品條形碼則是在標(biāo)準(zhǔn)商品這層的客觀依據(jù)。在這一層級上，我們可以建模圍繞標(biāo)準(zhǔn)商品的客觀知識，例如同一個標(biāo)準(zhǔn)商品都會具有同樣的品牌、口味、包裝等屬性。

L3 - 抽象商品：進一步我們將標(biāo)準(zhǔn)商品向上抽象的商品系列，例如“蒙牛低脂高鈣牛奶”。在這一層級中，我們不再關(guān)注商品具體的包裝、規(guī)格等，將同系列的商品聚合為抽象商品，承載了用戶對于商品的主觀認(rèn)知，包括用戶對商品系列的別名俗稱、品牌認(rèn)知、主觀評價等。

L4 - 主體品類：描述商品主體的本質(zhì)品類，列如“雞蛋”、“奶油草莓”、“臺式烤腸”等。這一層作為商品圖譜的后臺類目體系，以客觀的方式對商品領(lǐng)域的品類進行建模，承載了用戶對于商品的需求，例如各品牌各產(chǎn)地的雞蛋都能夠滿足用戶對于雞蛋這個品類的需求。

L5 - 業(yè)務(wù)類目：相比于主體品類的后臺類目體系，業(yè)務(wù)類目作為前臺類目體系會依據(jù)業(yè)務(wù)當(dāng)前的發(fā)展階段進行人工定義和調(diào)整，各個業(yè)務(wù)會根據(jù)當(dāng)前業(yè)務(wù)階段的特點和需求建立對應(yīng)的前臺類目體系。

② 多維度

商品屬性視角：圍繞商品本身，我們需要有海量的屬性維度來對商品進行描述。商品屬性維度主要分為兩類：一類是通用的屬性維度，包括品牌、規(guī)格、包裝、產(chǎn)地等；另一類是品類特有的屬性維度，例如對于牛奶品類我們會關(guān)注脂肪含量（全脂/低脂/脫脂牛奶）、存儲方式（常溫奶、冷藏奶）等。商品屬性主要是刻畫了商品的客觀知識，往往會建立在標(biāo)準(zhǔn)商品這一層級上。

用戶認(rèn)知視角：除了客觀的商品屬性維度以外，用戶往往對于商品會有一系列的主觀認(rèn)知，例如商品的別名俗稱（“小黑瓶”、“快樂水”）、對于商品的評價（“香甜可口”、“入口即化”、“性價比高”）、商品的清單/榜單（“進口食品榜單”、“夏季消暑常備”）等維度。這些主觀認(rèn)知往往會建立在抽象商品這一層級上。

品類/類目視角：從品類/類目的視角來看，不同品類/類目也會有各自不同的關(guān)注點。在這一層級上，我們會建模各個品類/類目下有哪些典型的品牌、用戶關(guān)注哪些典型屬性、不同品類的復(fù)購周期是多長時間等等。

③ 跨業(yè)務(wù)

美團大腦商品知識圖譜的目標(biāo)是希望能夠?qū)陀^世界中的商品知識進行建模，而非局限于單個業(yè)務(wù)之中。在商品圖譜的五層體系中，標(biāo)準(zhǔn)商品、抽象商品、品類體系都是與業(yè)務(wù)解耦的，圍繞著客觀商品所建立的，包括圍繞這些層級建立的各維度數(shù)據(jù)也均是刻畫了商品領(lǐng)域的客觀知識。在應(yīng)用于各個業(yè)務(wù)當(dāng)中時，我們將客觀的圖譜知識向上關(guān)聯(lián)至業(yè)務(wù)前臺類目，向下關(guān)聯(lián)至業(yè)務(wù)商品SPU/SKU，則可以完成各個業(yè)務(wù)數(shù)據(jù)的接入，實現(xiàn)各個業(yè)務(wù)數(shù)據(jù)和客觀知識之間的聯(lián)通，提供更加全面的跨業(yè)務(wù)的全景數(shù)據(jù)視角。利用這樣的數(shù)據(jù)，在用戶方面我們可以更加全面的建模、分析用戶對于業(yè)務(wù)、品類的偏好，對于價格、品質(zhì)等的敏感程度，在商品方面我們可以更準(zhǔn)確的建模各品類的復(fù)購周期、地域/季節(jié)/節(jié)日偏好等。 

4. 商品圖譜建設(shè)的挑戰(zhàn)

商品知識圖譜的構(gòu)建的挑戰(zhàn)主要來源于以下三個方面：

• 信息來源質(zhì)量低：商品本身所具有的信息比較匱乏，往往以標(biāo)題和圖片為主。尤其在美團閃購這樣LBS的電商場景下，商戶需要上傳大量的商品數(shù)據(jù)，對于商品信息的錄入存在很多信息不完整的情況。在標(biāo)題和圖片之外，商品詳情雖然也蘊含著大量的知識信息，但是其質(zhì)量往往參差不齊，并且結(jié)構(gòu)各異，從中進行知識挖掘難度極高。

• 數(shù)據(jù)維度多：在商品領(lǐng)域有眾多的數(shù)據(jù)維度需要進行建設(shè)。以商品屬性部分為例，我們不僅需要建設(shè)通用的諸如品牌、規(guī)格、包裝、口味等屬性維度，同時還要覆蓋各個品類/類目下特定關(guān)注的屬性維度諸如脂肪含量、是否含糖、電池容量等，整體會涉及到數(shù)百維的屬性維度。因此，數(shù)據(jù)建設(shè)的效率問題也是一大挑戰(zhàn)。

• 依賴常識/專業(yè)知識：人們在日常生活中因為有很豐富的常識知識積累，可以通過很簡短的描述獲取其背后隱藏的商品信息，例如在看到“樂事黃瓜”這樣一個商品的時候知道其實是樂事黃瓜味的薯片、看到“唐僧肉”的時候知道其實這不是一種肉類而是一種零食。因此，我們也需要探索結(jié)合常識知識的語義理解方法。同時，在醫(yī)藥、個護等領(lǐng)域中，圖譜的建設(shè)需要依賴較強的專業(yè)知識，例如疾病和藥品之間的關(guān)系，并且此類關(guān)系對于準(zhǔn)確度的要求極高，需要做到所有知識都準(zhǔn)確無誤，因此也需要較好的專家和算法相結(jié)合的方式來進行高效的圖譜構(gòu)建。

02

商品圖譜建設(shè)

在了解了圖譜建設(shè)的目標(biāo)和挑戰(zhàn)后，接下來我們將介紹商品圖譜數(shù)據(jù)建設(shè)的具體方案。

1. 層級體系建設(shè)

① 品類體系建設(shè)

品類描述了商品本質(zhì)所屬的最細(xì)類別，它聚合了一類商品，承載了用戶最終的消費需求，如“高鈣牛奶”、“牛肉干”等。與品類不同，類目是若干品類的集合，它是抽象后的品類概念，不能夠明確到具體的某類商品品類上，如“乳制品”、“水果”等。

品類打標(biāo)：對商品圖譜的構(gòu)建來說，關(guān)鍵的一步便是建立起商品和品類之間的關(guān)聯(lián)，即對商品打上品類標(biāo)簽。通過商品和品類之間的關(guān)聯(lián)，我們可以建立起商品庫中商品與用戶需求之間的關(guān)聯(lián)，進而將具體的商品展示到用戶面前。下面簡單介紹下品類打標(biāo)方法：

• 品類詞表構(gòu)建：品類打標(biāo)首先需要構(gòu)建一個初步的商品品類詞表。首先，我們通過對美團的各個電商業(yè)務(wù)的商品庫、搜索日志、商戶標(biāo)簽等數(shù)據(jù)源進行分詞、NER、新詞發(fā)現(xiàn)等操作，獲得初步的商品候選詞。然后，通過標(biāo)注少量的樣本進行二分類模型的訓(xùn)練（判斷一個詞是否是品類）。此外，我們通過結(jié)合主動學(xué)習(xí)的方法，從預(yù)測的結(jié)果中挑選出難分樣本，進行再次標(biāo)注，繼續(xù)迭代模型，直到模型收斂。

• 品類打標(biāo)：首先，我們通過對商品標(biāo)題進行命名實體識別，并結(jié)合上一步中的品類詞表來獲取商品中的候選品類，如識別“蒙牛脫脂牛奶 500ml”中的“脫脂牛奶”、“牛奶”等。然后，在獲得了商品以及對應(yīng)的品類之后，我們利用監(jiān)督數(shù)據(jù)訓(xùn)練品類打標(biāo)的二分類模型，輸入商品的SPU_ID和候選品類TAG構(gòu)成的pair，即，對它進行是否匹配的預(yù)測。具體的，我們一方面利用結(jié)合業(yè)務(wù)中豐富的半結(jié)構(gòu)化語料構(gòu)建圍繞標(biāo)簽詞的統(tǒng)計特征，另一方面利用命名實體識別、基于BERT的語義匹配等模型產(chǎn)出高階相關(guān)性特征，在此基礎(chǔ)上，我們將上述特征輸入到終判模型中進行模型訓(xùn)練。

• 品類標(biāo)簽后處理：在這一步中，我們對模型打上的品類進行后處理的一些策略，如基于圖片相關(guān)性、結(jié)合商品標(biāo)題命名實體識別結(jié)果等的品類清洗策略。

通過上述的三個步驟，我們便可以建立起商品與品類之間的聯(lián)系。

品類體系：品類體系由品類和品類間關(guān)系構(gòu)成。常見的品類關(guān)系包括同義詞和上下位等。在構(gòu)建品類體系的過程中，常用的以下幾種方法來進行關(guān)系的補全。我們主要使用下面的一些方法：

• 基于規(guī)則的品類關(guān)系挖掘。在百科等通用語料數(shù)據(jù)中，有些品類具有固定模式的描述，如“玉米又名苞谷、苞米棒子、玉蜀黍、珍珠米等”、“榴蓮是著名熱帶水果之一”，因此，可以使用規(guī)則從中提取同義詞和上下位。

• 基于分類的品類關(guān)系挖掘。類似于上文中提到的品類打標(biāo)方法，我們將同義詞和上下位構(gòu)建為的樣本，通過在商品庫、搜索日志、百科數(shù)據(jù)、UGC中挖掘的統(tǒng)計特征以及基于sentence-bert得到的語義特征，使用二分類模型進行品類關(guān)系是否成立的判斷。對于訓(xùn)練得到的分類模型，我們同樣通過主動學(xué)習(xí)的方式，選出結(jié)果中的難分樣本，進行二次標(biāo)注，進而不斷迭代數(shù)據(jù)，提高模型性能。

• 基于圖的品類關(guān)系推理。在獲得了初步的同義詞、上下位關(guān)系之后，我們使用已有的這些關(guān)系構(gòu)建網(wǎng)絡(luò)，使用GAE、VGAE等方法對網(wǎng)絡(luò)進行鏈路預(yù)測，從而進行圖譜邊關(guān)系的補全。

圖5: 商品圖譜品類體系的構(gòu)建

② 標(biāo)準(zhǔn)/抽象商品

標(biāo)準(zhǔn)商品是描述商品本身客觀事實的顆粒度，和銷售渠道和商戶無關(guān)，而商品條形碼是標(biāo)準(zhǔn)商品這層的客觀依據(jù)。標(biāo)品關(guān)聯(lián)即將同屬于某個商品條形碼的業(yè)務(wù)SKU/SPU，都正確關(guān)聯(lián)到該商品條形碼上，從而在標(biāo)準(zhǔn)商品層級上建模相應(yīng)的客觀知識，例如標(biāo)準(zhǔn)商品對應(yīng)的品牌、口味和包裝等屬性。 下面通過一個案例來說明標(biāo)品關(guān)聯(lián)的具體任務(wù)和方案。

案例：下圖是一個公牛三米插線板的標(biāo)準(zhǔn)商品。商家錄入信息的時候，會把商品直接關(guān)聯(lián)到商品條碼上。通過商戶錄入數(shù)據(jù)完成了一部分的標(biāo)品關(guān)聯(lián)，但這部分比例比較少，且存在大量的鏈接缺失，鏈接錯誤的問題。另外，不同的商家對于同樣的標(biāo)品，商品的標(biāo)題的描述是千奇百怪的。我們的目標(biāo)是補充缺失的鏈接，將商品關(guān)聯(lián)到正確的標(biāo)品上。

圖6: 商品圖譜標(biāo)品關(guān)聯(lián)任務(wù)

針對標(biāo)品關(guān)聯(lián)任務(wù)，我們構(gòu)建了商品領(lǐng)域的同義詞判別模型：通過遠(yuǎn)監(jiān)督的方式利用商戶已經(jīng)提供的少量有關(guān)聯(lián)的數(shù)據(jù)，作為已有的知識圖譜構(gòu)造遠(yuǎn)監(jiān)督的訓(xùn)練樣本。在模型中，正例是置信度比較高的標(biāo)品碼；負(fù)例是原始數(shù)據(jù)中商品名或者圖像類似但不屬于同一標(biāo)品的SPU。構(gòu)造準(zhǔn)確率比較高的訓(xùn)練樣本之后，通過Bert模型進行同義詞模型訓(xùn)練。最后，通過模型自主去噪的方式，使得最終的準(zhǔn)確率能夠達(dá)到99%以上?？傮w能做到品牌，規(guī)格，包裝等維度敏感。

圖7: 商品圖譜標(biāo)品關(guān)聯(lián)方法

抽象商品是用戶認(rèn)知的層面，作為用戶所評論的對象，這一層對用戶偏好建模更加有效。同時，在決策信息的展示上，抽象商品粒度也更符合用戶認(rèn)知。例如下圖所示冰淇淋的排行榜中，羅列了用戶認(rèn)知中抽象商品對應(yīng)的SKU，然后對應(yīng)展示不同抽象商品的特點，推薦理由等。抽象商品層整體的構(gòu)建方式，和標(biāo)準(zhǔn)商品層比較類似，采用標(biāo)品關(guān)聯(lián)的模型流程，并在數(shù)據(jù)構(gòu)造部分進行規(guī)則上的調(diào)整。  

圖8: 商品圖譜抽象商品聚合

2. 屬性維度建設(shè)

對一個商品的全面理解，需要涵蓋各個屬性維度。例如“樂事黃瓜味薯片”，需要挖掘它對應(yīng)的品牌、品類、口味、包裝規(guī)格、標(biāo)簽、產(chǎn)地以及用戶評論特色等屬性，才能在商品搜索、推薦等場景中精準(zhǔn)觸達(dá)用戶。商品屬性挖掘的源數(shù)據(jù)主要包含商品標(biāo)題，商品圖片和半結(jié)構(gòu)化數(shù)據(jù)三個維度。

圖9: 商品圖譜屬性建設(shè)

商品標(biāo)題包含了對于商品最重要的信息維度，同時，商品標(biāo)題解析模型可以應(yīng)用在查詢理解中，對用戶快速深入理解拆分，為下游的召回排序也能提供高階特征。因此，這里我們著重介紹一下利用商品標(biāo)題進行屬性抽取的方法。

商品標(biāo)題解析整體可以建模成文本序列標(biāo)注的任務(wù)。例如，對于商品標(biāo)題“樂事黃瓜薯片”，目標(biāo)是理解標(biāo)題文本序列中各個成分，如樂事對應(yīng)品牌，黃瓜對應(yīng)口味，薯片是品類，因此我們使用命名實體識別（NER）模型進行商品標(biāo)題解析。然而商品標(biāo)題解析存在著三大挑戰(zhàn)：（1）上下文信息少；（2）依賴常識知識；（3）標(biāo)注數(shù)據(jù)通常有較多的噪音。為了解決上述挑戰(zhàn)，我們嘗試在模型中引入了圖譜信息，主要包含以下三個維度：

• 節(jié)點信息：將圖譜實體作為詞典，以Soft-Lexicon方式接入，以此來緩解NER的邊界切分錯誤問題。

• 關(guān)聯(lián)信息：商品標(biāo)題解析依賴常識知識，例如在缺乏常識的情況下，僅從標(biāo)題“樂事黃瓜薯片”中，我們無法確認(rèn)“黃瓜”是商品品類還是口味屬性。因此，我們引入知識圖譜的關(guān)聯(lián)數(shù)據(jù)緩解了常識知識缺失的問題：在知識圖譜中，樂事和薯片之間存在著較強的relation，但是樂事跟黃瓜之間的relation比較弱，因此可以利用圖結(jié)構(gòu)來緩解NER模型常識知識缺少的問題。具體來說，我們通過圖譜Graph Embedding的方式，利用圖譜的圖結(jié)構(gòu)信息對圖譜中的單字，詞進行embedding表示，然后將embedding表示和文本語義的表征進行拼接融合，再接入NER模型，使得模型能夠既考慮到語義，也考慮到常識知識的信息。

• 節(jié)點類型信息：同一個詞可以代表不同的屬性，比如“黃瓜”既可以作為品類又可以作為屬性。因此，對圖譜進行embedding建模的時候，根據(jù)不同的類型對實體節(jié)點進行拆分。在將圖譜節(jié)點表征喂入NER模型中時，利用注意力機制根據(jù)上下文來選擇更符合語義的實體類型對應(yīng)的表征 ，緩解不同類型下詞語含義不同的問題，實現(xiàn)不同類型實體的融合。

圖10: 商品圖譜標(biāo)題解析

在標(biāo)注過程中，少標(biāo)漏標(biāo)或錯標(biāo)的問題無法避免，尤其像在商品標(biāo)題NER這種標(biāo)注比較復(fù)雜的問題上，尤為顯著。對于標(biāo)注數(shù)據(jù)中的噪音問題，采用以下方式對噪音標(biāo)注優(yōu)化：不再采取原先非0即1的hard的訓(xùn)練方式，而是采用基于置信度數(shù)據(jù)的soft訓(xùn)練方式，然后再通過Bootstrapping的方式迭代交叉驗證，然后根據(jù)當(dāng)前的訓(xùn)練集的置信度進行調(diào)整。我們通過實驗驗證，使用soft訓(xùn)練+ Bootstrapping 多輪迭代的方式，在噪聲比例比較大的數(shù)據(jù)集上，模型效果得到了明顯提升。具體的方法可參見我們在NLPCC 2020 比賽中的論文《Iterative Strategy for Named Entity Recognition with Imperfect Annotations》。

圖11: 基于噪音標(biāo)注的NER優(yōu)化

3. 效率提升

知識圖譜的構(gòu)建往往是針對于各個領(lǐng)域維度的數(shù)據(jù)單獨制定的挖掘方式。這種挖掘方式相對來說重人工，比較低效，針對每個不同的領(lǐng)域、每個不同的數(shù)據(jù)維度，我們都需要定制化的去建設(shè)任務(wù)相關(guān)的特征及標(biāo)注數(shù)據(jù)。在商品場景下，挖掘的維度眾多，因此效率方面的提高也是至關(guān)重要的。我們首先將知識挖掘任務(wù)建模為三類分類任務(wù)，包括節(jié)點建模、關(guān)系建模以及節(jié)點關(guān)聯(lián)。在整個模型的訓(xùn)練過程中，最需要進行效率優(yōu)化的其實就是上述提到的兩個步驟：i）針對任務(wù)的特征提取，ii）針對任務(wù)的數(shù)據(jù)標(biāo)注；

圖12: 知識挖掘任務(wù)建模

針對特征提取部分，我們摒棄了針對不同挖掘任務(wù)做定制化特征挖掘的方式，而是嘗試將特征和任務(wù)解耦，構(gòu)建跨任務(wù)通用的圖譜挖掘特征體系，利用海量的特征庫來對目標(biāo)的節(jié)點/關(guān)系/關(guān)聯(lián)進行表征，并利用監(jiān)督訓(xùn)練數(shù)據(jù)來進行特征的組合和選擇。具體的，我們構(gòu)建的圖譜特征體系主要由四個類型的特征組構(gòu)成：i) 規(guī)則模板型特征主要是利用人工先驗知識，融合規(guī)則模型能力；ii) 統(tǒng)計分布型特征，可以充分利用各類語料，基于不同語料不同層級維度進行統(tǒng)計；iii) 句法分析型特征則是利用NLP領(lǐng)域的模型能力，引入分詞、詞性、句法等維度特征；iv) 嵌入表示型特征，則是利用高階模型能力，引入BERT等語義理解模型的能力。

圖13: 知識挖掘特征體系

針對數(shù)據(jù)標(biāo)注部分，我們主要從三個角度來提升效率。i) 通過半監(jiān)督學(xué)習(xí)，充分的利用未標(biāo)注的數(shù)據(jù)進行預(yù)訓(xùn)練；ii）通過主動學(xué)習(xí)技術(shù)，選擇對于模型來說能夠提供最多信息增益的樣本進行標(biāo)注；iii）利用遠(yuǎn)程監(jiān)督方法，通過已有的知識構(gòu)造遠(yuǎn)監(jiān)督樣本進行模型訓(xùn)練，盡可能的發(fā)揮出已有知識的價值。

4. 人機結(jié)合 - 專業(yè)圖譜建設(shè)

當(dāng)前醫(yī)藥健康行業(yè)結(jié)構(gòu)性正在發(fā)生變化，消費者更加傾向于使用在線醫(yī)療解決方案和藥品配送服務(wù)，因此醫(yī)藥業(yè)務(wù)也逐漸成為了美團的重要業(yè)務(wù)之一。相比于普通商品知識圖譜的建設(shè)，藥品領(lǐng)域知識具有以下兩個特點：（1）具有極強的專業(yè)性，需要有相關(guān)背景知識才能判斷相應(yīng)的屬性維度，例如藥品的適用癥狀等；（2）相對敏感，對于強專業(yè)性知識不允許出錯，否則更容易導(dǎo)致嚴(yán)重后果。因此我們采用將智能模型和專家知識結(jié)合的方式來構(gòu)建藥品知識圖譜。

藥品圖譜中的知識可以分為弱專業(yè)知識和強專業(yè)知識兩類，弱專業(yè)知識即一般人能夠較容易獲取和理解的知識，例如藥品的使用方法、適用人群等；而強專業(yè)知識則是需要具有專業(yè)背景的人才能夠判斷的知識，例如藥品的主治疾病、適應(yīng)癥狀等。由于這兩類數(shù)據(jù)對專家的依賴程度不同，因此我們分別采取不同的挖掘鏈路：

• 弱專業(yè)知識：對于藥品圖譜的弱專業(yè)知識挖掘，我們從說明書、百科知識等數(shù)據(jù)源中提取出相應(yīng)的信息，并結(jié)合通過專家知識沉淀出來的規(guī)則策略，借助通用語義模型從中提取相應(yīng)的知識，并通過專家的批量抽檢，完成數(shù)據(jù)的建設(shè)。

• 強專業(yè)知識：對于藥品圖譜的強專業(yè)知識挖掘，為了確保相關(guān)知識百分百準(zhǔn)確，我們通過模型提取出藥品相關(guān)屬性維度的候選后，將這些候選知識給到專家進行全量質(zhì)檢。在這里，我們主要是通過算法的能力，盡可能減少專業(yè)藥師在基礎(chǔ)數(shù)據(jù)層面上的精力花費，提高專家從半結(jié)構(gòu)化語料中提取專業(yè)知識的效率。

在藥品這類專業(yè)性強的領(lǐng)域，專業(yè)知識的表述和用戶習(xí)慣往往存在差異。因此我們除了挖掘強弱專業(yè)知識外，還需要填補專業(yè)知識和用戶之間的差異，才能將藥品圖譜更好的與下游應(yīng)用結(jié)合。為此，我們從用戶行為日志以及領(lǐng)域日常對話等數(shù)據(jù)源中，挖掘了疾病、癥狀和功效的別名數(shù)據(jù)，以及藥品通用名的俗稱數(shù)據(jù)，來打通用戶習(xí)慣和專業(yè)表述之間的通路。

圖14: 人機結(jié)合的專業(yè)知識挖掘

03

商品圖譜的落地應(yīng)用

近年來，隨著深度學(xué)習(xí)技術(shù)的飛速發(fā)展，基于深度神經(jīng)網(wǎng)絡(luò)的搜索、推薦算法不斷迭代，取得了豐富的業(yè)務(wù)成果。然而大量ID化的特征與深度模型結(jié)構(gòu)的可解釋性不強，缺乏系統(tǒng)描述能力，與用戶引導(dǎo)能力。

自從谷歌將知識圖譜應(yīng)用于搜索引擎，并顯著提升了搜索質(zhì)量與用戶體驗，知識圖譜在各垂直領(lǐng)域場景都扮演起了重要的角色。以美團場景為例，下面重點介紹商品圖譜在搜索、推薦和C端、B端的落地點。

知識圖譜最大的應(yīng)用是在搜索和推薦場景中。在搜索和推薦的各層模塊當(dāng)中，知識圖譜可以提供包括：基于知識的結(jié)構(gòu)化召回、基于圖嵌入表示的向量化召回、基于商品理解的高階排序特征、基于知識推理的展示層優(yōu)化等。

1. 結(jié)構(gòu)化召回

商品圖譜的數(shù)據(jù)，對于商品的理解很有幫助。例如，在商品搜索中， 如用戶在搜索頭疼腰疼時，通過結(jié)構(gòu)化的知識圖譜，才能知道什么藥品是有止疼功效的；用戶在搜索可愛多草莓、黃瓜薯片時，需要依賴圖譜的常識知識來理解用戶真正需求是冰淇淋和薯片，而不是草莓和黃瓜。

圖15: 基于圖譜的結(jié)構(gòu)化召回

2. 排序模型泛化性

圖譜的類目信息、品類信息、屬性信息，一方面可以作為比較強有力的相關(guān)性的判斷方法和干預(yù)手段，另一方面可以提供不同粗細(xì)粒度的商品聚合能力，作為泛化性特征提供到排序模型，能有效地提升排序模型的泛化能力，對于用戶行為尤為稀疏的商品領(lǐng)域來說則具有著更高的價值。具體的特征使用方式則包括：i) 通過各顆粒度進行商品聚合，以ID化特征接入排序模型；ii）在各顆粒度聚合后進行統(tǒng)計特征的建設(shè)；iii）通過圖嵌入表示的方式，將商品的高維向量表示和排序模型結(jié)合。

圖16: 基于圖譜的排序優(yōu)化

3. 多模態(tài)圖譜嵌入

現(xiàn)有的研究工作已經(jīng)在多個領(lǐng)域中證明了，將知識圖譜的數(shù)據(jù)進行嵌入表示，以高維向量表示的方式和排序模型結(jié)合，可以有效地通過引入外部知識達(dá)到緩解排序/推薦場景中數(shù)據(jù)稀疏以及冷啟動問題的效果。然而，傳統(tǒng)的圖譜嵌入的工作往往忽視了知識圖譜中的多模態(tài)信息，例如商品領(lǐng)域中我們有商品的圖片、商品的標(biāo)題、商家的介紹等非簡單的圖譜節(jié)點型的知識，這些信息的引入也可以進一步提升圖譜嵌入對推薦/排序的信息增益。

圖17: 基于多模態(tài)圖譜的推薦 - 背景

現(xiàn)有的圖譜嵌入方法在應(yīng)用到多模態(tài)圖譜表征的時候會存在一些問題，因為在多模態(tài)場景下，圖譜中邊的含義不再是單純的語義推理關(guān)系，而是存在多模態(tài)的信息補充的關(guān)系，因此我們也針對多模態(tài)圖譜的特點，提出了MKG Entity Encoder和MKG Attention Layer來更好的建模多模態(tài)知識圖譜，并將其表征有效的接入至推薦/排序模型中，具體方法可以參考我們在CIKM 2020發(fā)表了的論文《Multi-Modal Knowledge Graphs for Recommender Systems》。

圖18: 基于圖譜的排序優(yōu)化 - 模型

4. C端/B端優(yōu)化

商品圖譜在C端提供顯式化的可解釋性信息，輔助用戶進行決策。具體的呈現(xiàn)形式包括篩選項、特色標(biāo)簽、榜單、推薦理由等。篩選項的維度受當(dāng)前查詢詞對應(yīng)品類下用戶關(guān)注的屬性類別決定，例如，當(dāng)用戶搜索查詢詞為薯片時，用戶通常關(guān)注的是它的口味、包裝、凈含量等，我們將會根據(jù)供給數(shù)據(jù)在這些維度下的枚舉值展示篩選項。商品的亮點標(biāo)簽來源于標(biāo)題、商品詳情頁信息與評論數(shù)據(jù)的提取，以簡潔明了的結(jié)構(gòu)化數(shù)據(jù)展示商品特色。商品的推薦理由通過評論抽取與文本生成兩種渠道獲得，與查詢詞聯(lián)動，以用戶視角給出商品值得買的原因，而榜單數(shù)據(jù)則更為客觀，以銷量等真實數(shù)據(jù)，反應(yīng)商品品質(zhì)。

在B端，即商家發(fā)布側(cè)，商品圖譜則提供了基于商品標(biāo)題的實時預(yù)測能力，幫助商家進行類目的掛載、屬性信息的完善。例如，商家填寫標(biāo)題“德國進口德亞脫脂純牛奶12盒”后，商品圖譜提供的在線類目預(yù)測服務(wù)可將其掛載到“食品飲料-乳制品-純牛奶”類目，并通過實體識別服務(wù)，得到商品的“產(chǎn)地-德國”，“是否進口-進口”，“品牌-德亞”，“脂肪含量-脫脂”，“規(guī)格-12盒”的屬性信息，預(yù)測完成后，由商家確認(rèn)發(fā)布，降低商家對商品信息的維護成本，并提升發(fā)布商品的信息質(zhì)量。